The Application of Multi-Layer Artificial Neural Networks in Speckle Reduction (Methodology)

، يك روش تصويربرداري با استفاده از سيگنال هاي نوري است كه براي تهيه تصاويرپزشكي استفاده مي شود. يكي ازمشكلات تصاويرOCT، حضور نويزهاي نقطه اي است. پديده نويز نقطه اي هنگامي رخ مي- دهدكه بايك طول موج مشخص، جسمي كه اجزاي ريزتر از طول موج دارد مورد تابش قرار گيرد. براي مدل كردن نويزهاي نقطه اي مي توان از توزيع ريلي استفاده نمود. براي حذف اين نوع نويز و بهبودكيفيت تصوير روش هاي مختلف سخت افزاري و نرم افزاري وجود دارد. دراين مقاله، يك الگوريتم نرم افزاري براي كاهش نويزهاي نقطه اي درتصوير OCTارايه شده است. براي اين كار از روشي جديد درحوزه الگوريتم هاي شبكه عصبي، تحت عنوان شبكه هاي عصبي مركب براي تخمين ميزان واريانس نويز استفاده شده است. ورودي شبكه هاي عصبي ويژگي هاي آماري عكس نويزي (مانند ميانگين، ميانه، انحراف معيار و كورتوسيس)، به همراه ويژگي هاي آماري تبديل موجك تصوير نويزي بوده و خروجي شبكه عصبي، تخميني از واريانس نويزهاي مخرب تصويرOCT است.

Optical Coherence Tomography (OCT) uses the spatial and temporal coherence properties of optical waves backscattered from a tissue sample to form an image. An inherent characteristic of coherent imaging is the presence of speckle noise. In this study we use a new ensemble framework which is a combination of several Multi-Layer Perceptron (MLP) neural networks to denoise OCT images. The noise is modeled using Rayleigh distribution with the noise parameter, sigma, estimated by the ensemble framework. The input to the framework is a set of intensity and wavelet statistical features computed from the input image, and the output is the estimated sigma value for the noise model. In this article the methodology of this technique is explained.